[發明專利]一種基于圖像標記特定特征的延遲多標記學習方法

在審

• 申請號: 201911268772.2
• 申請日: 2019-12-11
• 公開（公告）號: CN111144454A
• 公開（公告）日: 2020-05-12
• 發明（設計）人: 許鵬;李永
• 申請（專利權）人: 北京工業大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N20/00
• 代理公司: 北京思海天達知識產權代理有限公司 11203
• 代理人: 沈波

1.一種基于圖像標記特定特征的延遲多標記學習方法，其特征在于：針對數據集中圖像的每種類別標記構建其對應的標記特征空間進行模型的訓練，該方法的實施步驟如下：

步驟1：對原始數據集進行劃分，將原始數據集分為訓練數據集和測試數據集；劃分后的訓練數據集用于模型訓練，測試數據集用于模型訓練性能的檢測；

步驟2：對訓練數據集進行標記特征提取，構建標記特征空間；針對訓練數據集中每種圖像標記類別，分別使用支持向量機SVM對其進行聚類分析，構建與當前標記相關的圖像樣本實例空間和不相關的實例空間；通過對標記特征進行提取，挖掘出與該類別標記最為相關的實例樣本以及實例中的相關屬性；

步驟3：訓練模型，在標記特征空間中，分別對每種圖像類別標記采用MLF-KNN算法進行訓練，訓練結果為包含q個分類器的分類器簇；當有新的圖像需要進行分類時，針對該圖像包含的每一個標記MLF-KNN方法會選擇其對應的分類器進行標記預測以及分類；

步驟4：采用ML-KNN、BoosTexter、BR、RANK-SVM算法對公開酵母數據集Yeast Dataset進行模型的訓練預測，并與步驟3的結果對比。

2.根據權利要求1所述的一種基于圖像標記特定特征的延遲多標記學習方法，其特征在于：步驟1具體包括對原始數據集進行劃分；針對手工構建的圖像數據集，使用“留出法”(hold out)直接將原始數據集分為兩個互斥的集合；即D＝S∪T，S∩T＝φ,其中S代表訓練數據集，T代表測試數據集，φ代表空集；如果采用公開數據集，公開數據集Yeast Dataset已經對訓練數據集和測試數據集進行了劃分，無須使用“留出法”，直接進行使用即可。

3.根據權利要求1所述的一種基于圖像標記特定特征的延遲多標記學習方法，其特征在于：步驟2：確定訓練數據集中的標記信息，對每一種標記信息進行聚類分析，得出從屬于該標記的樣本空間集合和不屬于該標記的樣本空間集合；這里采用支持向量機進行聚類分析；然后通過對每一種聚簇結果進行查詢，從而針對每一種標記信息構建標記特征空間。

4.根據權利要求1所述的一種基于圖像標記特定特征的延遲多標記學習方法，其特征在于：步驟3：訓練算法，構建多標記學習算法模型；為保持對標記相關性的利用，使用ML-KNN在步驟2中生成的標記特征空間進行訓練，而不是原始數據集，同時ML-KNN算法中用到的最大后驗概率估計原理對標記特征空間具有良好的適配性；針對每一種類別標記，算法訓練的結果會得到對應每一種類別標記的分類器；當對新的圖像文件進行分類時，對所有分類器進行遍歷迭代預測新圖像文件所包含的標記信息，最后將每次預測的標記信息通過矩陣的形式進行組合最為圖像類別標記輸出；在模型訓練過程中考慮標記特征信息，使提出的算法能夠達到更好的預測效果。

5.根據權利要求1所述的一種基于圖像標記特定特征的延遲多標記學習方法，其特征在于：步驟4：實驗結果對比：同時采用ML-KNN、BoosTexter、BR、RANK-SVM算法對YeastDataset數據集進行了預測。

6.根據權利要求1所述的一種基于圖像標記特定特征的延遲多標記學習方法，其特征在于：數據集來源從多標記學習領域中公開的數據集直接獲取，公開數據集有MNIST、YeastDataset、CIFAR-10、CIFAR-100類型，或者通過人工對圖像文件進行標注的方式手動構建數據集。